基于WSNs的智能樓宇能耗監測管理系統研究

駱東松，呂朝磊

（蘭州理工大學 電氣工程與信息工程學院，蘭州 730050）

隨著我國經濟的迅速發展，樓宇的能耗問題日益突出，綠色節能工程迫在眉睫。傳統樓宇能耗監測管理系統一般采用有線通信網絡進行數據采集，但其現場布線工程量大、組網不靈活、成本高等問題明顯制約了現代化樓宇能耗監測技術的發展。與傳統有線網絡相比，無線傳感器網絡WSNs技術具有體積小，重量輕，功耗低，價格便宜，工作壽命長，無線通信可靈活便捷部署等優勢，但仍存在諸如網絡節點能量受限、節點數量眾多、數據冗余等亟待解決的問題，面臨著高可靠傳輸、精確監測控制等更高的要求。無線傳感器網絡領域中的能耗問題是人們研究的重點也是難點。對此，文中提出了基于WSNs技術的智能樓宇能耗監測管理系統，通過軟硬件相結合實現了樓宇能耗數據的實時監測；分析了一種基于蟻群算法的無線傳感器網絡節點優化算法。該算法通過實驗仿真有效地實現了網絡能量均衡，延遲了WSNs的生命周期，提高了樓宇能耗監控系統數據傳輸可靠性。將新興的無線傳感器網絡應用于樓宇能耗監測管理系統，可以有效地克服傳統有線樓宇能耗監測管理系統的諸多缺點，對于樓宇智能化的實施具有實用價值與應用前景。

1 系統結構設計

1.1 系統設計目標

樓宇能耗監測管理系統的主要設計目標是在樓宇內部署一個基于無線傳感器網絡的系統，及時掌握樓宇內各種耗能設備的工作狀態，實時采集樓宇內用電、用水、用氣等能耗數據和溫度、濕度、光強等環境參數，并對其進行系統的分析與處理，為政府部門實施節能措施提供科學依據。

1.2 系統需求分析

樓宇能耗監測管理系統的功能需求有：①實時采集與監測建筑能耗數據；②無線傳感器網絡與互聯網融合；③實時數據圖形化呈現；④處理與保存建筑能耗數據。

該系統的性能需求有：①實時性；②開放性和擴展性；③安全性；④穩定性。

1.3 系統總體結構

與無線傳感器網絡進行通訊時，所設計的系統平臺能夠連接用戶網絡收集到用戶的信息和需求，從而將用戶、能耗設備和環境的信息進行互通，實現用戶和能耗設備以及環境三者的有機統一。根據樓宇內環境特點和應用需求，采用如圖1所示的總體結構實現樓宇能耗監測管理系統，整個系統主要由ZigBee智能采集終端、無線傳感器網絡、互聯網和監控中心等4部分組成。

圖1 系統總體結構Fig.1 Overall structure of system

系統在樓宇樓道、各房間設置匯聚節點，以能量監測裝置作為傳感器節點即單個節點，它采用自組織方式進行組網，并利用無線通信技術進行數據轉發，節點都具有數據采集與數據轉發雙重功能。節點對本身采集到的信息和其他節點轉發給它的信息，進行初步的數據處理后，以相鄰節點接力傳送的方式傳送到位于樓層底部或中部的匯聚節點，再經匯聚節點處理后通過樓宇內網方式發送到監控中心。

2 系統硬件設計

文中以支持ZigBee協議的CC1101芯片作為無線傳感器模塊。樓宇能耗實時無線監測節點由微處理器模塊、傳感器模塊、存儲器模塊、無線通信模塊、電源模塊等組成，如圖2所示。

圖2 傳感器網絡節點結構Fig.2 Sensor network node structure

傳感器節點基本靠電池供電，主要負責采集數據和一定的轉發相鄰節點數據的任務，使其大部分時間處于休眠狀態可以延長節點的壽命。匯聚節點不僅需要采集數據，還負責網絡建立與發出各種命令，匯聚終端節點、傳感器節點發送過來的數據并上傳至監控中心。所以，硬件設計上需要增加存儲器并采用電源供電，這樣可以有效地維護系統的穩定性和可靠性。

3 系統軟件設計

由于傳感器節點能量有限，因此必須有效地均衡網絡能量，延長WSNs的生命周期，提高數據的可靠。

在此，首先分析影響WSNs能耗的主要因素和現有節能技術基礎，進而提出利用無線信道能耗衰減模型，通過改進蟻群算法對無線傳感器網絡節點進行靜態優化并部署策略。該策略能更好地優化無線傳感器網絡節點在復雜二維地理環境中的靜態部署，并且有效地節約網絡的能耗，提高無線傳感器網絡的使用壽命。

3.1 WSNs節點的能量消耗分析

WSNs整個網絡運行時，采用無線收發采集數據和控制數據，其能量主要消耗在節點的無線射頻前端通信部分，處理器和存儲器也占一小部分，如圖3所示。由圖可見，節點在通信時能量消耗由大至小的模式分別為發送模式、接收模式、空閑模式、睡眠模式。由此推斷，如果合理地將節點多模式工作引入WSNs的能量動態管理中，可以有效地減少能量消耗。

圖3 WSNs節點的能耗分布Fig.3 Energy consumption distribution of WSNs nodes

為了深入理解節點多種工作模式實現有效節能的條件。文中采用節點在自由空間的無線傳輸能量損耗模型[1]，如圖4所示。

圖4 無線傳輸能量損耗模型Fig.4 Wireless transmission energy consumption model

所做的推導過程如下：

1）如圖5所示，節點為節約能量在t1時刻，從激活的空閑偵聽模式花費tdn時間，轉換到睡眠狀態。節點維持睡眠狀態直至下一事件的發生時刻tevnt，如果WSNs節點在時間段t1～tevnt的空閑偵聽則所消耗的能量Eact為

圖5 WSNs節點空閑模式與睡眠模式切換能量消耗Fig.5 WSNs node idle mode and sleep mode switching energy consumption

2）為便于分析，假設節點從激活空閑狀態切換到休眠狀態的τdn時間段內，平均功率消耗為（Pact+Pslp）/2，在時間段t1～tevnt至少消耗能量 Emin為

3）由式（1）和式（2）可得，WSNs節點通過模式轉換所節省的能量Esav為

4）如果在時刻tevnt，節點接收的喚醒指令經過tup時間后，節點運行達到空閑偵聽狀態，則在此時間內消耗的能量Eoh為

5）基于所選擇的工作轉換模式下節點的節能最優化準則，所節省的能量與消耗的能量應滿足的準則為

為便于從時間的角度解釋節點模式轉換節能條件，式（5）可等價為

由式（6）可知，頻繁動態功率模式管理是有時間限制條件的，即需要滿足一個確定的時間長度，否則不能達到節能的效果，甚至會增加更多的能耗。

3.2 節點的最優化部署

在分析WSNs節點能量消耗的基礎上，提出有障環境中基于蟻群算法優化部署無線傳感器網絡節點的方法，很好地實現節點部署線路的規劃設計[2]。采用蟻群算法，結合分割點之間數據傳輸能耗權值矩陣和分割點坐標進行搜索計算，找到最佳的部署線路并繪圖，計算線路上整個能量消耗，以達到節約無線傳感器網絡能量的目的。

文中對蟻群算法的應用是基于蟻群算法的靜態無線傳感器節點部署。螞蟻系統可分為三大模型[3]，分別是蟻密系統（ant-denstiy system）、蟻量系統（ant-quantity system）、蟻周系統（ant-cycle system）。它們均屬于螞蟻優化ACO（ant colony optimization algorithms）算法。在此選用蟻周系統。無線傳感器網絡節點在有阻擋環境中部署，進行靜態優化部署的最終目標是減少無線傳感器網絡的通信能耗，而對節點的通信路徑長度的縮短部署非常困難，經過長時間的研究與分析，設計出節點的最優化部署——蟻群算法節點路徑部署優化流程，如圖6所示。

圖6 蟻群算法節點路徑部署優化流程Fig.6 Optimization flow chart of node deployment of ACO

部署節點方式中節點之間的平均距離差距較小時，部署節點的數量越少則整個網絡的傳輸能耗節約越多。簡而言之，在部署節點時，既要縮短整個網絡的傳輸路徑，又要減少部署節點的數量，最終使得能耗節約達到最大化。

4 測試數據結果與分析

設定部署環境中，網絡相鄰節點之間的距離Lmax=35，使用無線傳感器網絡中比較常見的ZigBee協議下CC1101模塊的無線載頻2.4 GHz，其參數設置為hTra=0.4 m，hRec=0.4 m，L=1；通過載波波長公式，計算出波長λ=0.125 m。將這些參數代入收發能耗判斷閥值即d0=40.192，然后通過大量試驗計算，設置能耗模型參數值為

對于實際工程環境，通過地理測量得到平面地形分布圖。文中通過實驗法設置傳感器節點坐標和簇首坐標，對自由空間巷道進行相鄰線段可視分割，從而獲取分割點坐標。利用蟻群算法進行優化，設置蟻群算法參數如下：信息素積累因子α=1，啟發信息影響因子β=2，信息素蒸發系數ρ=3，信息素增強系數Q=30，最大迭代次數k=100，每代螞蟻個數m=30，對新路徑探索控制參數q0=0.85。蟻群算法平均路線長度收斂曲線如圖7所示，可見基于該蟻群算法的收斂性良好。

圖7 蟻群算法平均路線長度收斂曲線Fig.7 Convergence curve of average route length of ACO

綜上，文中所提蟻群算法的優化效果很好，也就是，蟻群算法優化部署能夠很好地節約無線傳感網絡能耗，延長其使用壽命。

5 結語

應用WSNs技術實現了樓宇能耗無線實時監測管理系統。該系統具有使用方便，易于維護與擴展，靈活可靠等優點，且具有很強的實用性。針對WSNs技術中數據可靠性傳輸問題，提出了有障環境中基于蟻群算法優化部署無線傳感器網絡節點的方法，實現了網絡能量均衡，延長了WSNs的生命周期，防止因傳感器節點過早死亡而引起的數據丟包，提高了樓宇能耗監測管理系統的數據傳輸可靠性，對研究當代智能樓宇能耗監測管理的應用具有一定的參考和指導意義。

參考文獻：

[1]Liu T，Leskes M，Yu W，et al.Cycling Li-O2 batteries via LiOH formation and decomposition[J].Science，2015，350 （6260）：530-533.

[2]牛星，李捷，周新運.無線傳感器網絡節點能耗測量及分析[J].計算機科學，2011，39（2）：84-87.

[3]Azhar Mahmood.A Hybrid Method for Mining Wireless Sensor Networks Data[D].Wuhan：Huazhong University of Science and Technology，2013：2-12.